Partnerblog
AI-assistenten kunnen bedrijfsjuristen veel tijd besparen bij vragen over hun vennootschappen, bestuurders en aandeelhouders. Maar wat als de gegevens over uw eigen groep verspreid, onvolledig of tegenstrijdig zijn? Wat moet u als bedrijfsjurist weten voor u AI loslaat op uw vennootschapsdata?
Wie is bestuurder in welke dochtervennootschap? Wanneer lopen de mandaten af? Wie houdt welke aandelen, rechtstreeks of onrechtstreeks? Voor een bedrijfsjurist zijn dat dagelijkse vragen. Vandaag betekent een antwoord vaak zoeken in spreadsheets, registers, notulen en mailboxen. AI-assistenten beloven daar verandering in te brengen. Dat klopt, maar niet zonder voorwaarden.
Over de betrouwbaarheid van AI bij juridisch onderzoek, in wetgeving, rechtspraak en rechtsleer, is al veel geschreven. Maar er is een tweede vraag die minder aandacht krijgt: hoe betrouwbaar zijn de gegevens over uw eigen vennootschappen?
The good: AI die rechtstreeks met uw gegevens werkt
Tot voor kort verbonden bedrijven hun systemen met elkaar via API’s: vaste koppelingen tussen bijvoorbeeld een entity management-tool, de boekhouding, een tax-tool en een contractbeheersysteem. Zo’n koppeling doet precies wat ze moet doen, maar elke nieuwe vraag vraagt een nieuwe ontwikkeling.
Met het Model Context Protocol (MCP) verandert dat. MCP is een open standaard waarmee AI-assistenten zoals ChatGPT, Claude of Copilot veilig kunnen aansluiten op bedrijfssoftware. Zie het als een universele stekker: de AI-assistent die u al gebruikt, kan gegevens ophalen uit verschillende systemen en die combineren om uw vraag te beantwoorden. U hoeft dus niet over te stappen naar een aparte AI-tool.
Voor bedrijfsjuristen opent dat concrete mogelijkheden:
- Ad-hocvragen zonder technische kennis: “Welke bestuursmandaten lopen dit jaar af in onze Belgische dochters?”
- Rapportering op maat, bijvoorbeeld een overzicht van de groepsstructuur voor een audit of due diligence, zonder eerst een export te moeten bewerken.
- Gegevens combineren uit verschillende bronnen, zoals vennootschapsdata, financiële gegevens en contracten.
Het resultaat: minder tijd aan opzoekwerk, meer tijd voor juridische analyse.
The bad: tegenstrijdige bronnen en ontbrekende historiek
Het grootste risico zit niet in de AI zelf, maar in de gegevens. Vennootschapsdata zit vaak verspreid:
- in openbare bronnen zoals de KBO en het Belgisch Staatsblad, en in interne bronnen zoals het aandelenregister en notulen;
- verdeeld over legal, finance en tax, die elk hun eigen versie bijhouden;
- in spreadsheets en documenten, die geen gestructureerde data zijn;
- deels bij externe adviseurs.
Wat gebeurt er als een AI-agent hetzelfde gegeven uit twee bronnen haalt, en die spreken elkaar tegen? In juridisch werk is 99% correct niet goed genoeg. Een verkeerde bestuurder of vervaldatum kan echte gevolgen hebben.
De vraag is dus: waar zit uw master data, de ene plek die als waarheid geldt?
Wie gegevens wil centraliseren, botst vaak op dezelfde problemen: ongestructureerde gegevens, ontbrekende details, onvolledige historiek en inconsistenties tussen en binnen bronnen. AI kan helpen, maar lost dat niet vanzelf op. Twee voorbeelden uit de praktijk:
- Bij een migratie van vennootschapsdata werd een LLM ingezet om de onderdelen van 30.000 adressen (straat, nummer, postcode, stad) automatisch herkennen. Dat lukte in 80% van de gevallen. Voor de overige 6.000 adressen was manuele controle en correctie nodig.
- Bij een groep met 1.800 aandeelhouders en genummerde aandelen moest twintig jaar aandelenhistoriek worden gereconstrueerd. Ook daar bleef menselijk werk onmisbaar.
De les: AI versnelt het werk, maar de verantwoordelijkheid voor correcte data blijft bij de mens.
The ugly: governance en controle
Zodra vennootschapsdata via AI toegankelijk wordt voor een bredere groep gebruikers, worden governance-vragen dringend:
- Wie is eigenaar van de vennootschapsdata? Legal, finance of accounting? Zonder duidelijke eigenaar is er ook geen duidelijke verantwoordelijkheid voor de kwaliteit.
- Zijn er regels over vertrouwelijkheid en gebruik van die gegevens? En kennen medewerkers die regels?
- Wie mag wat zien? Hoe meer mensen via AI toegang krijgen, hoe belangrijker een helder overzicht van gebruikersrechten wordt. Een AI-assistent mag nooit meer tonen dan de gebruiker zelf mag zien.
- Waar gaan de gegevens naartoe? Worden ze gebruikt om AI-modellen te trainen? Waar worden ze verwerkt? En hoeveel risico wil uw organisatie daarin nemen?
Dit zijn geen technische vragen, maar juridische en organisatorische keuzes. De bedrijfsjurist speelt er dus een sleutelrol in.
Vijf vragen om vandaag te stellen
Wie AI veilig wil inzetten voor vennootschapsdata, kan met deze vragen beginnen:
- Hebben we één centrale, actuele bron voor onze vennootschapsdata?
- Hoe volledig en correct zijn die gegevens, ook historisch?
- Wie is eigenaar van die data, en wie houdt ze bij?
- Welke regels gelden voor toegang, vertrouwelijkheid en gebruik?
- Welke AI-tools mogen medewerkers gebruiken, en onder welke voorwaarden?
AI zal de manier waarop bedrijfsjuristen met vennootschapsdata werken ingrijpend veranderen. Wie vandaag zijn gegevens op orde zet, plukt daar morgen de vruchten van.
Meer weten? Op 14 december lichten Olivier Van Borsel en Andy Kellens van Corporify dit thema toe in een IBJ-partnerwebinar, met concrete voorbeelden uit de praktijk en ruimte voor uw vragen.
